OpenCV案例实战分享关于图像处理的一些基本操作之二值化图像加噪处理......

Posted 2022-02-06 顾木子吖

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了OpenCV案例实战分享关于图像处理的一些基本操作之二值化图像加噪处理......相关的知识，希望对你有一定的参考价值。

导语💨

大家上午好哈！上一期给大家写的图像处理内容都学完了嘛~

今天是一个小系列哈，会不定期更新一些OpenCV相关的知识的，之前其实也有写很多OpenCV相

关的内容哦~

有兴趣的小伙伴儿可以自己去看下往期的文章哈，合集的话都是整理好的呢~

今天，到大家写点有意思的，图像二值化、噪声有美感的！💗

正文💨

🤍一、二值化

1.1 二值化的基本原理🖤

图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白

效果的过程。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大

为减少，从而能凸显出目标的轮廓。

1.2 图像二值化的基本操作🖤

我们使用OpenCV中的函数来进行图像二值化操作，今天讲解的OpenCV中图像二值主要用到这

threshold函数来实现。

1.3 附代码🖤

image = cv2.imread('nv.png')
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)#把输入图片灰度化
cv2.threshold(image, 140, 255, 0, image)

cv2.namedWindow("Image")
cv2.imshow("Image", image)
cv2.waitKey(0)

在这里我们使用的是threshold函数，函数原型为

threshold(src, thresh, maxval, type[, dst])

src参数表示输入图像（多通道，8位或32位浮点）。
thresh参数表示阈值。
maxval参数表示与THRESH_BINARY和THRESH_BINARY_INV阈值类型一起使用设置的最大值。
type参数表示阈值类型。
retval参数表示返回的阈值。若是全局固定阈值算法，则返回thresh参数值。若是全局自适应阈值算法，则返回自适应计算得出的合适阈值。
dst参数表示输出与src相同大小和类型以及相同通道数的图像。

1.4 效果展示🖤

我居然觉得二值化的图挺好看的~

🤍二、图像加噪

1.1 原理简介🖤

加噪->图片变的不清晰。

原理：随机的将素点替换为其他值。

1.2 附代码🖤

img = cv2.imread('nv.png')
# 噪声点数量
coutn = 100000
for k in range(0,coutn):
    # 获取图像噪声点的随机位置
    xi = int(np.random.uniform(0,img.shape[1]))
    xj = int(np.random.uniform(0,img.shape[0]))
    #加噪
    if img.ndim == 2:
        # 灰度图像
        img[xj,xi] = 255
    elif img.ndim == 3:
        # 非灰度图像，图像加噪
        img[xj,xi,0] = 25
        img[xj,xi,1] = 20
        img[xj,xi,2] = 20
cv2.namedWindow('img')
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()